想在研究生階段起做量子計算和量子信息的研究如何著手？

12-30

本科CS在讀，對量子計算和量子演算法相關有興趣，數物基礎還行，但是量子物理這塊沒有系統學習過。我想知道以後要從事相關科研工作，我需要如何著手？讀研應該如何選擇相關院校？

這種准日經問題看著就火大。。在知乎上認真搜一搜問的會具體的多。也不知道這些伸手黨是該幫呢還是不幫呢？說句不好聽的，連這點找資源的能力都沒有，還不在國內某幾個地方，那還是別做quantum了......

ls 推薦的關於HSP和Grover algo的paper不錯，真的感興趣的話也可以對著看看childs的lecture notes。關於學位的問題說的過於言過其實，補background總是必須的，但是按照國內通常的培養體系，非要因為這個湊雙學位乃至更多基本上就是浪費時間。雖然我是聽過有老師拿他以前某個修過數學和物理雙學位的學生show off（但是此公申請並不怎麼樣），以我本科學校培養方案之混亂，大概此公得在和自己想做的東西八杆子打不著的課上浪費一堆時間。

你要是想搞物理實現（包括相關的理論）呢，基本上得按著EE偏物理的路子來。如果你不是那種覺得造不出來量子計算機就睡不著覺的人呢，那看看aram harrow主頁上對想跟他做project的本科生的背景要求（Joining my research group），還有推薦材料（Learning Quantum Computing）；再比如xiaodi wu主頁上的CIS 410/510 Introduction to Quantum Information Theory: Reference。補background從來都是難以避免的，而形式也是多種多樣的：上課是一種、自己看書看talk是一種、有靠譜的老師帶著做難度適中的project也是一種。通常需要根據自身情況選擇當前性價比最高的一種。就算是introduction的課edX上也有umesh和vidickwehner，諸如QIP之類的會議也有tutorial，何況各種老師們的主頁上的teaching（有些有lecture notes）。

感覺強調多少遍都沒用啊，即使把quantum computing算作theoretical computer science的分支，做algorithm的也只是一部分，而且很好的工作從來都不多（這兩年這方面最好的工作就是關於quantum SDP solver的幾篇）。除了algorithm，還有complexity，還有crpyto，還有information theory，甚至還有PL theory，這些東西之間確實也有overlap。不過按照國內cs theory的普及程度，這也正常，大部分物理系學生對complexity一無所知。我曾經試著給組裡純物理背景的postdoc介紹過complexity和物理有overlap的某方向，他覺得很有意思，並且之前根本意識不到這種東西的存在......

再補一句，quantum computer造不造的出來和quantum computer相關的應用只是這個領域的一部分。就算有人證明了qc造不出來，那也不意味著這個領域的終結（相反，情景會變得有趣的多，包括量子力學在內的某一環一定出現了重大問題）。這件事情應該成為常識的一部分。

至於擇校，如果不是已經在別的方向比較出類拔萃，讀研決定轉方向的話。這麼折騰一兩年早就應該通過各種渠道知道了。畢竟搞學術這種事情，天助自助者而已。

你給的信息太少，不知道你大幾，在哪讀。不過要入門的話步驟還是很明確的

既然你學的是CS，就不能指望你對量子力學理解有多深，你最好還是做量子演算法。如果你現在是大一，最好雙修個物理或數學，覺得跟不上就修個應用數學。你可以去看看，做演算法的教授雖然都是計算機系的，但絕大多數是數學系出身的，就算是計算機系的，也是本科就開始跟著教授學的。

入門就Nilsson and Chuang 的 "Quantum Computation and Quantum Information"

進階推薦Watrous 的講義（馬上要成書了）The Theory of Quantum Information

然後是幾篇經典文章，理論基礎並不深，可以在看完入門書前半部後就讀

Grover 演算法的推廣，離散量子遊走演算法：

Watrous, J. Quantum simulations of classical random walks and undirected graph connectivity. in Proceedings. Fourteenth Annual IEEE Conference on Computational Complexity (Formerly: Structure in Complexity Theory Conference) (Cat.No.99CB36317) 391, 180–187 (IEEE Comput. Soc, 1999).

量子傅里葉變換即其推廣(Shor 演算法)：

2. Childs, A. M. van Dam, W. Quantum algorithms for algebraic problems. Rev. Mod. Phys. 82, 1–52 (2010).5

將問題轉換成Spatial Search問題的一般思路，這個讀起來難一點：

3. Ambainis, A. Quantum Walk Algorithm for Element Distinctness. in 45th Annual IEEE Symposium on Foundations of Computer Science 37, 22–31 (IEEE, 2003).

我還知道幾個很經典的文章，不過那就太專了，如果你想做演算法，讀完這三篇我覺得差不多入門了。

——————————————————————————

還有，如果你要做量子演算法，這四個作者的名字你一定要記住，特別是Watrous，這已經是量子演算法界的半壁江山了。你不知道讀什麼的時候看他們的文章就好了。然後呢，正如我前面說的，雖然他們四個都是計算機系的，但是除了Ambainis是數學系出身，其他三個都是物理系出身的。你本科CS，這個方向你能不能做下去你可要想好了。

最近系裡剛好不少本科生找我想要自學了解量子計算，所以整理了幾例可作為入門的材料。作為計算機背景的學生，首先大可不必擔心物理知識的欠缺，量子計算完全可以拋開物理背景而從計算機理論（或者說數學）的角度入手。最重要的基礎是線性代數，概率論，然後一些演算法分析的基礎以及少許計算理論和複雜性理論。當然慢慢入門後再從物理學家的角度補充一些量子力學的知識是不無裨益的。

最近幾年量子學科的曝光度和熱度有很大提升，所以也產生了不少好的簡介材料和輔助工具，對於學生非常有益。我比較熟悉的都是英文材料，中文最近也有不少好資源，請更熟悉的朋友推薦吧。

IBM Q Experience: IBM Q - Quantum Experience 網站上有他們撰寫的很清晰的關於量子計算的Tutorial。在這同時可以玩一玩他們的 "composer"，組個量子電路，模擬一些小的演算法。
Vazirani 錄了一個"Quantum Mechanics and Quantum Computation" 的網上課程。除了量子計算部分的內容，對於計算機背景的同學而言也是了解一點點量子力學的好機會。 https://www.youtube.com/playlist?list=PLDAjb_zu5aoFazE31_8yT0OfzsTcmvAVg
Scott Aaronson PHYS771 Quantum Computing Since Democritus 非常直觀互動式的介紹計算理論和量子信息科學。

看過以上材料後，如果要比較認真和系統的學習，那麼首推Watrous的幾套講義。當然如果基礎好，可以直接來這裡。

John Watrous"s Lecture Notes 下半部分Quantum Computing (notes from Winter 2006) 我知道北美很多老師（包括我自己）用它來組織自己量子計算的課程。
上面鏈接的上半部分，是更進階的量子信息講義。可以慢慢啃，總有新的體驗。最近已成書 The Theory of Quantum Information. 前兩章一些數學基礎（主要是線性代數）非常清楚也很重要。

更多的材料，上面有同學已經提到Xiaodi Wu老師的網頁CIS 410/510 Introduction to Quantum Information Theory: Reference。我的課程也整理了一個類似的頁面(Spring 2017) CS 410/510 - Intro to Quantum Computing。

最後夾帶點私貨，如果有感興趣鑽研量子計算，密碼學，理論計算的同學，歡迎申請我的PhD。更多信息看我的網頁 Ph.D. in Cryptography and Quantum Computing

Have fun exploring~

我對量子信息行業不熟，但我想順便打個廣告。天津大學理學院量子交叉研究中心李新奇老師(傑青)，你值得擁有。

謝邀。量子信息作為我的一個調研的方向，我覺得修鍊的途徑可以是

1，量子力學。推薦使用格里菲斯，量子力學概論，如果此時英語一般，中文版英文版混合著看就可以。習題刷乾淨一點，對量子力學有一個基本概念。

2，高等量子力學。主要是一些詳細的量子力學理論。也要刷習題。推薦sakurai ，現代量子力學前四章，配合cohen的量子力學一二卷服用。

3，接下來分方向。

硬體層面，量子光學是比較基礎好學的，推薦scully Zubairy ，quantum optics 前半本書，有時候得算effective Hamiltonian 甚至重整化群，還得補補數學，群論，qft，但是可以要用再學。然後就是最好把學到的量子光學技術應用於一個具體的設備，cavityQED，nmr或者circuitQED，自己谷歌一些綜述推一下。

硬體軟體結合層。這也是多數理論工作者在的地方，例如量子控制，量子模擬，特殊系統的量子演算法，這要看自己的方向了。

軟體層。preskill 的quantum information 講義，習題非常有意思，可以在研究生入學之後和師兄弟，老師好好一起討論，如果條件允許。NielsenChuang的書是經典教材。

以上書都推薦英文版。

受學識所限，如有不周到之處望指正。

蔡家麒的書籍推薦已經很全面了。

我再補充一下關於研究方面的內容。

量子信息（Quantum Information）是交叉學科，偏量子方向的主要在研究量子計算，量子模擬，量子通信的物理實現，偏信息方向的主要在研究量子演算法，量子計算原理，也有在做量子計算機架構的。

除此以外還有量子信息與更多學科的交叉，比如與機器學習，量子引力等等，這些需要考慮你自己的研究方向再進一步閱讀。

關於研究的具體學習，基礎知識我就不多提了，本科階段課程學習，基本的編程能力和英語能力是必備的。

首先要建立起對所在領域的大概框架和認識，也就是需要大量的文獻閱讀，這個最好是你導師給你推薦幾篇，自己找的話就看經典文章，不需要太新。然後讀到一定程度之後，就會建立起自己的體系，再之後讀文章會更得心應手。

讀文章大概分成幾個步驟，先了解作者的動機（Motivation），再看他的具體內容，數學計算，實驗實現等等，如果可能的話盡量自己動手重新實現一遍，比如推導自己推一遍，模擬自己寫一下MATLAB/Mathematica/Python（Qutip包是Python下專門用來進行量子力學模擬模擬的一個包）。然後試著總結，有可能的話在組會上做一個Presentation給沒有讀過的人講一遍，所謂的Feynman學習法在這裡也是起作用的，在講的過程中可以進一步思考和發現問題。

然後就是自己idea的實現了，這一點我還沒有很多經驗所以就不多談，不過我覺得主要還是先建立在廣泛閱讀別人的成果，然後選好自己的研究方向，廣泛調研，多向別人請教，多和別人交流，不懈地嘗試和努力，實現idea。

才疏學淺，如有不周到之處望務必斧正。

我不想向你隱瞞，科研是一件非常辛苦甚至痛苦的事情，但是我想告訴你的是，在這條道路上你並不孤獨，希望你能夠在科研之路上堅持下去！

少俠，CS這麼多好方向，何必要跳量子信息和量子計算的火坑？

珍惜生命，遠離炒作；好好科研，別跳大坑！

你還是先了解了解再考慮學不學吧，這個東西局限性很大，目前看不到做通用計算機的前景，不知道你是看好它哪一點想去學。我的一位老師說過，我們這一代有生之年是看不到這個東西應用很廣了。

清華，科大，中科院做量子計算的規模比較大，進度也還不錯。不過，值得注意的是，現在量子計算領域並沒有報道的那麼樂觀，硬體上有很多困難都沒有解決，就說保真度太低這個問題，如果沒有突破性的進展，就不會有太高的實用價值，更不說很多體系是要用到超導的。

尖端行業都不好做，真正的市場也很小，每個行業都會有你喜歡的、需要去發現

過來人實在不建議這種跨專業去搞物理的了，就是學物理的，能堅持下來的也是極少的。量子計算還是非常前沿的東西，離應用層面還非常遠。樓主是個高中生的話我還能理解，讀了CS本科了，轉物理的碩士？不推薦。物理還是非常需要基礎的，除非重讀本科，學物理一蹴而就是不行的。

瀉藥╰(˙?˙)?━☆

我不懂_(:зゝ∠)_